铁路运输兼顾客运和货运,在我国占有举足轻重的地位。但现阶段铁路运输还无法做到全封闭运行,由于铁路基础防护设施的薄弱常常会导致铁路事故的发生。如何有效地进行防护,减少危险事故的发生,成为了社会普遍关注的问题。随着铁道部综合视频监控系统技术规范的出台,视频监控技术将被广泛地应用到铁路的安全防护方面,其应用将在一定程度上减少铁路事故的发生,保护铁路运输以及人们生命财产的安全。本文研究的内容就是在铁路视频监控环境下,让计算机在不需要人参与的情况下,通过对视频序列的处理,实现对入侵行为的自动检测和分析,并对危险行为做出报警。论文的主要工作有:1)提出了采用一种适合于铁路应用的改进的混合高斯模型进行背景建模的方法,并与混合高斯模型进行了对比,实验证明,对图像中不同部分分别进行背景更新,可以更好地适应场景的变化。同时基于背景差分法进行了运动检测,并实现了基于Kalman滤波器的运动跟踪算法。2)发展了适用于铁路的视频语义理解的高层处理框架,提出了基于轨迹点的行为建模方法＜C,C,P＞模型,实现了对铁路入侵行为的自动识别。3)设计开发了基于OpenCv的铁路入侵检测实验平台,该平台能够初步实现对铁路入侵行为的识别和分析,并能够对危险行为做出报警。